摘要：铁路信息化建设累积了大规模集装箱运用数据,为铁路集装箱空箱的精细化、智能化调配提供了支撑。针对铁路集装箱空箱调配方案自动化、智能化编制面临的空箱供需预测难度大,且预测值在空箱供需差异显著时难以直接用于空箱调配方案的制定等问题,以集装箱装车、运输轨迹等数据为驱动,运用机器学习、优化理论与方法,构建铁路集装箱空箱调配优化方法框架。并提炼该框架下的关键技术,包括集装箱办理站分类分级、空箱供需预测、在途集装箱到达预测、空箱供需测算与调整、空箱调配方案编制等技术方法,以此为基础实现全路集装箱办理站空箱供需的精准测算、空箱调配方案的自动化编制。研究案例表明,所设计的优化框架能够较为有效地解决铁路集装箱空箱调配方案自动编制问题。

摘要：针对目前火电机组机理模型存在不能反映机组响应特性和模型参数难以准确获取等问题,提出一种数据驱动的火电机组二次调频特性模型构建方法。首先分析机组AGC(自动发电控制)调频响应特性,按调节强度划分机组工况,根据多组相近调节强度下火电机组二次调频响应曲线,采用最小二乘法提取二次调频响应特征。然后用二阶模型表征机组数学模型,在线修改模型阻尼系数以提高模型对调节强度变化的适应性,通过粒子群优化算法确定机组响应过程中3个响应阶段的自适应参数。最后设计算例验证了所提模型的有效性和优越性。

摘要：通过对传统供配电系统能耗问题的深入分析,本文提出了一种基于数据驱动的电气自动化节能系统设计方案。该方案以实时数据采集为基础,利用深度学习和多模态特征融合技术进行数据分析,并结合自适应动态规划与强化学习算法实现智能优化控制。仿真实验结果验证了该系统在节能效果、数据处理效率和控制响应速度等方面的显著优势,为供配电系统的节能减排和智能化升级提供了有效途径。

摘要：具有不确定性的曝光供应量给广告资源的合理分配带来了极大挑战.针对这种不确定性,本文提出了数据驱动分布鲁棒定向展示广告保量投放分配模型.首先考虑以最大化发布商收益为目标,构建对未满足需求或超出需求的部分均进行惩罚的带有机会约束的随机规划模型.其次,利用曝光供应量的历史数据,定义Wasserstein不确定集,构建数据驱动分布鲁棒机会约束模型,该模型提出的投放策略确保在曝光供应量最坏分布情况下发布商收益最大.通过保守近似,模型可重构为易于求解的混合整数规划问题.最后,大规模样本外测试验证了模型和求解方法的可行性、有效性以及稳定性.

摘要：提出一种基于数据驱动的大规模森林场景真实感动画的实现方案.该方案预先对单株样本树在风力作用下的运动作高精度的动力学计算,得到高分辨率、精确的树骨架形变序列;然后采用分簇主元分析方法对形变序列数据进行压缩与简化,构建单株树各枝干运动的细节层次;最后基于多株样本树多个细节层次的运动数据合成大规模森林的群体运动.实验结果表明:该方案实现了力学形变数据的高效重用,在森林动画合成效率和真实感上具有一定的优势,能满足对规模和画质要求较高的应用,如影视动画与媒体广告等的需求.

摘要：材料基因组工程与材料智能制备加工技术的发展为航空发动机高温合金关键热端部件的研发与制造提供了新的思路。针对航空发动机涡轮机匣类结构件高温合金材料与铸造成型的需求,开发了高通量并发式的热动力学模拟软件系统,结合镍基铸造高温合金的筛选判据,从520万余种成分组合中筛选并研制了一种新型镍基铸造高温合金,815℃、400 MPa下高温持久性能优于国外Inconel 939高温合金。针对高温合金复杂铸件的精密成型,开展了数据驱动铸件变形全流程集成计算,揭示蜡模注射工艺参数与尺寸映射关系以及凝固变形过程中工艺参数与尺寸精度关联关系,提出了一种基于数据驱动的工艺参数优化方法。建立了基于"模型+算法"的数据驱动的铸造冒口设计方法,结合试验设计和多目标遗传算法,优化了铸造工艺参数,试验验证后铸件工艺出品率提高13.39%。基于数据驱动的成分设计与基于数据模型的工艺设计结合,将加速航空材料与构件的研发与应用。

摘要：材料-结构一体化设计是指在结构设计中综合考虑材料的性能,而在材料设计中则以结构的需求为出发点,形成材料到结构跨多尺度的设计模式,近年来已成为现代混凝土工程领域的研究重点。基于数据及人工智能算法的混凝土材料、结构设计方法可颠覆传统设计依赖经验且需重复试配的范式,实现高效节材及结构创新。梳理了国内外混凝土材料智能设计及材料-结构一体化设计的研究现状,总结了材料层面数据驱动的正向预测及逆向设计的研究范畴和关键问题,梳理了考虑温-湿-约束复杂交互的材料-结构一体化抗裂设计途径与效果,以氯盐侵蚀环境为例分析了混凝土材料-结构耐久性设计方案及提升手段,并以超高性能混凝土为例阐述了混凝土材料-结构高性能设计的方法,提出未来数据驱动的混凝土材料-结构一体化设计框架及生产、设计、制备及结构应用全综合的研究思路,并建议未来应在数据库建设、数据与理论融合及多尺度关联的协同算法等方面开展研究。

摘要：针对紧凑设计空间下曲面构件极致轻量化需求,提出一种数据驱动的曲面构件形状-拓扑协同优化方法,主要包括离线、在线和更新3个阶段。离线阶段中,首先通过拉丁超立方采样方法在设计空间内采样,并利用网格变形技术进行参数化建模,获得样本点对应的网格模型。然后对上述网格模型分别进行拓扑优化,获得优化后的应变能。基于上述步骤获得的样本数据,训练径向基函数代理模型,其中形状设计变量为输入,拓扑优化获得的应变能为输出。在线阶段中,将基于离线阶段获得的代理模型开展优化设计,采用协方差矩阵自适应进化策略来提高优化效率。更新阶段中,计算代理模型优化结果的真实响应,并将其加入样本数据集进行代理模型更新。最后,通过简支梁和航天器舱门算例开展算法验证。结果表明相比针对固定形状获得的拓扑优化结果,提出方法优化获得的应变能结果分别降低了20.08%和37.93%,表明提出方法具有更优的设计能力。

摘要：突发疫情具有扩散边界模糊、情景动态时变等典型非结构化特征,相应的应急物流网络需要根据实际情况不断进行调整,才可以取得更好的救援效果.基于此,本文从数据驱动的视角,构建了一类创新的应急物流网络动态调整优化决策框架模型.其中,应急响应时间被划分为多个连续的决策周期,每个决策周期中蕴含了疫情扩散分析、应急物流网络设计、数据收集处理和参数调整更新等循环递进的4个环节.在该决策框架下,整个疫情的应急响应过程转化为数据学习与资源优化配置交互演进的协同决策过程.算例分析表明,本文所设计的决策框架模型能够为疫情应急管理提供许多实时有效的政策调整建议,也可为其它突发事件的应急应对提供有益的决策参考.

摘要：针对传统红外目标检测算法易受目标和背景先验样本质量、目标姿态和视角及噪声等的影响,提出了一种新的基于稀疏编码的数据驱动二次相关滤波器目标检测算法,其中给出了目标自相关矩阵基字典的概念,该数据驱动滤波器模型能包容多种姿态和视角的目标,并能抑制噪声和样本质量的影响,同时可以舍弃对无规律背景样本的依赖,通过对行人和车辆的实验验证了该算法的有效性.所提算法的设计思想对诸多滤波器算法的改进具有很好的借鉴意义.